Qwen3：新时代的革新，还是黎明前的流星？

概述

2025年4月29日，凌晨五点多，Qwen3发布。不得不感叹阿里人真卷呀，在这个点发布新产品。

此次Qwen3发布供包括8款「混合推理模型」：

• 两款MoE模型：
  • Qwen3-235B-A22B（2350亿总参数、 220亿激活参数）
  • Qwen3-30B-A3B（300亿总参数、30亿激活参数）
• 六款Dense模型：
  • Qwen3-32B
  • Qwen3-14B
  • Qwen3-8B
  • Qwen3-4B
  • Qwen3-1.7B
  • Qwen3-0.6B

开源仓库：https://github.com/QwenLM/Qwen3
体验地址：https://huggingface.co/spaces/Qwen/Qwen3-Demo
技术博客：https://qwenlm.github.io/zh/blog/qwen3

注：Qwen3-235B-A22B这种形式表示比较新颖，A22B表示在模型推理时，计算每个Token时，有22B的参数被激活，这22B的参数包括在总参数235B之内。

DeepSeek-V3同样采用混合专家(MoE)架构，671B的参数量中，激活参数量为37B，只是它没有标在名称中。

在Qwen3这样命名之后，之后的模型有可能会遵循这一命名规则。

性能分析

官方的技术博客放了两张性能比较图。

第一张图比较了Qwen3-235B-A22B和Qwen3-32B两个最大参数量的模型，与其它模型在公开数据评测标准下性能表现。

从图中可以看出，在各领域的评测中，这两款模型普遍强于DeepseekR1和OpenAI-o1/o3-mini，但仍略逊于公认最强的Gemini2.5-Pro。

第二张图比较了Qwen3-30B-A3B和Qwen3-4B两个略低参数量的模型，与其它模型在公开数据评测标准下性能表现。

从这张图可以看出，Qwen3-30B-A3B在各项指标上都略高于之前风评不错的QwQ-32B，其它的比较没太大参考价值。

博客中进一步介绍了这8款模型的参数细节，如下表所示：

表中的各列含义如下：

• Layers：Transformer 层数
• Heads(Q/KV)：Query 头数 / 共享的 Key-Value 头数
• Tie Embedding：是否将输入词嵌入和输出投影层的权重共享，小模型共享后，参数量会节省
• Experts(Total/Activated)：专家数(总数/激活的数)
• Context Length：上下文长度

这几个参数中，上下文长度对实际体验影响最大。上下文长度更长，意味着模型能支持输入更多内容，意味着记忆力会更强。

这几款模型的最大上下文长度均为128K，和DeepSeek R1保持一致，并没有明显进步。

亮点分析

Qwen3总共放出3个亮点：

1. 思考/非思考无缝切换

Qwen3系列模型，不再像DeepSeek那样，思考/非思考需要切换模型，同一个模型，可以指定是否让它思考。

• 思考模式：在这种模式下，模型会逐步推理，经过深思熟虑后给出最终答案。这种方法非常适合需要深入思考的复杂问题。
• 非思考模式：在此模式中，模型提供快速、近乎即时的响应，适用于那些对速度要求高于深度的简单问题

这个设计很不错，因为部署模型时，只需要部署一个模型，而把是否思考的选择权交给用户，根据问题难度来选择是否开启思考。

博客中还进一步展现了思考/非思考模型在几个标准评估数据集上的表现：

图中，红色的基线表示非思考的性能指标，横坐标表示思考的长度，长度越长，相应的思考过程也越久。图中的蓝线说明，一定范围内，思考时间越长，确实带来了性能的显著提升。

在实际应用时，我们肯定希望模型能尽快回答出问题，而不是思考半天。因此，思考长度和性能之间是需要进行平衡和取舍的。

2. 多语言

Qwen3 模型支持 119 种语言和方言。

这个亮点说实在有点“没活硬整”，扩充那么多小众国家的语言，对普通用户的应用场景，起不到作用。

3. Agent与MCP支持

一个“战未来”的亮点，随着 MCP 服务的增加，会起到一定作用，但目前的使用场景并不多。

训练细节

截至目前，Qwen3没有发布相关的论文，因此只能通过其技术博客了解到部分训练细节。

1.预训练

预训练使用了 36 万亿个token（是Qwen2.5的两倍）

在构建数据集中，使用了Qwen2.5-VL这个多模态模型&#x